首页--工业技术论文--无线电电子学、电信技术论文--雷达论文--雷达设备、雷达站论文--雷达接收设备论文--雷达信号检测处理论文

基于知识的雷达自适应处理方法研究

摘要第1-7页
ABSTRACT第7-13页
第一章 绪论第13-27页
   ·论文研究工作的背景和意义第13-14页
   ·研究历史与现状第14-20页
   ·论文的研究内容及安排第20-21页
 本章参考文献第21-27页
第二章 雷达自适应处理中目标检测准则第27-37页
   ·引言第27页
   ·雷达自适应检测准则第27-33页
     ·广义似然比检测准则(GLRT)第28-29页
     ·自适应匹配滤波检测准则(AMF)第29-30页
     ·Rao和Wald检测准则第30-32页
     ·ACE检测准则第32-33页
   ·空时自适应处理基本原理第33-36页
 本章参考文献第36-37页
第三章 基于先验知识的训练数据和自适应滤波算法智能选择第37-55页
   ·引言第37页
   ·利用杂波环境先验知识的训练数据选择方法第37-43页
     ·传统的GIP NHD算法第38页
     ·基于先验知识的GIP NHD算法第38-39页
     ·噪声协方差矩阵的模型及生成方法第39-40页
     ·数值仿真实验第40-43页
   ·自适应滤波算法智能选择第43-52页
     ·均匀样本数据滤波器算法选择第44-46页
     ·非均匀样本数据处理第46-49页
     ·自适应算法智能选择第49页
     ·实测数据仿真实验第49-52页
   ·小结第52页
 本章参考文献第52-55页
第四章 基于杂波脊先验知识的杂波滤除方法第55-67页
   ·引言第55-56页
   ·基于杂波脊信息的空时自适应滤波方法第56-61页
     ·根据杂波脊信息构造噪声协方差矩阵滤除杂波第56-57页
     ·杂波谱峰数量及位置设定第57-60页
     ·估计模型参数第60-61页
   ·数值仿真实验第61-64页
   ·小结第64页
 本章参考文献第64-67页
第五章 基于贝叶斯方法的雷达自适应检测第67-89页
   ·引言第67-68页
   ·预备知识及符号表示第68页
   ·贝叶斯自适应检测器设计第68-80页
     ·先验分布选择第69-70页
     ·贝叶斯GLRT检测器第70-72页
     ·贝叶斯Rao检测器第72-73页
     ·贝叶斯Wald检测器第73-74页
     ·贝叶斯AMF检测器第74-75页
     ·贝叶斯检测器特点分析第75-76页
     ·数值仿真实验第76-80页
   ·部分均匀杂波假设下贝叶斯雷达自适应检测第80-84页
     ·部分均匀杂波假设下贝叶斯GLRT检测器第81-82页
     ·部分均匀杂波假设下贝叶斯Rao检测器第82页
     ·部分均匀杂波假设下贝叶斯Wald检测器第82-83页
     ·数值仿真实验第83-84页
   ·小结第84-85页
 本章参考文献第85-89页
第六章 贝叶斯非均匀杂波建模及其GLRT检测器设计第89-99页
   ·引言第89-90页
   ·贝叶斯非均匀杂波环境建模及先验知识引入第90-91页
   ·贝叶斯GLRT检测器设计第91-94页
   ·数值仿真实验第94-97页
   ·小结第97页
 本章参考文献第97-99页
第七章 基于贝叶斯理论的图像处理方法第99-121页
   ·引言第99-100页
   ·问题说明和背景介绍第100-102页
     ·稀疏编码第100页
     ·数据字典学习第100-101页
     ·图像稀疏表示第101-102页
   ·非参数贝叶斯先验分布:IBP 和 Beta 过程第102-103页
   ·基于 Beta 过程的字典学习及图像处理算法第103-108页
     ·基于Beta过程的图像稀疏表示模型第105-106页
     ·模型的Gibbs采样推导第106-108页
   ·仿真实验分析第108-116页
   ·小结第116-117页
 本章参考文献第117-121页
第八章 结束语第121-125页
   ·全文内容总结第121-122页
   ·工作展望第122-125页
致谢第125-127页
作者在读期间的研究成果第127-129页

论文共129页,点击 下载论文
上一篇:反射面天线与高密度机箱的多场耦合分析与集成优化设计
下一篇:基于覆盖的粒计算模型及其应用研究